import pandas as pd
import numpy as np
import glob
import matplotlib.pyplot as plt
import random 

Os arquivos devem ser baixados da Justiça Eleitoral: https://dadosabertos.tse.jus.br/dataset/resultados-2022-arquivos-transmitidos-para-totalizacao

Executando o script logjez_process.py arquivos CSV serão gerados para cada estado dois arquivos, um com votos e outro com dados das urnas.

Vamos carregar a tabela de cidades. Só será utilizada para informar o nome da cidade de acordo com o código

municipios = pd.read_csv("./municipios.csv", encoding="iso-8859-1")
municipios.sample(10)

	municipio_cod	municipio	estado
5005	63959	ECHAPORÃ	SP
4856	61700	RIBEIRÃO GRANDE	SP
337	35092	ENTRE RIOS	BA
4282	88382	ITAARA	RS
5448	73172	NOVO JARDIM	TO
4652	82872	RIO DO OESTE	SC
3622	58297	CORDEIRO	RJ
3501	78395	SANTA AMÉLIA	PR
1690	44318	DIAMANTINA	MG
2282	89834	PARANATINGA	MT

Vamos carregar os dados das urnas

path = "./csv_gerados/??.urnas.csv"
filenames = glob.glob(path)
dfs = []
for filename in filenames:
    dfs.append(pd.read_csv(filename, encoding = "ISO-8859-1"))

urnas = pd.concat(dfs, ignore_index=True).dropna()

urnas.sample(10)

	UF	municipio	zona	secao	qtdEleitoresAptos	qtdComparecimento	dataHoraAbertura	dataHoraEncerramento	idPleito	qtdEleitoresLibCodigo	qtdEleitoresCompBiometrico	modelo
385625	SP	64254	291	54	234	169	20221030T080001	20221030T170050	407	5	132	UE2020
322655	RS	89354	110	27	406	287	20221030T080001	20221030T170148	407	28	233	UE2015
262324	PR	75353	1	722	289	237	20221030T080001	20221030T170048	407	13	228	UE2020
208519	PB	21172	28	68	285	244	20221030T080001	20221030T170117	407	13	242	UE2013
421946	SP	71072	2	125	231	162	20221030T080001	20221030T170651	407	17	120	UE2010
185860	MT	90697	7	34	396	301	20221030T070001	20221030T160124	407	17	278	UE2011
349924	SC	80896	98	65	324	273	20221030T080001	20221030T170211	407	19	238	UE2020
316853	RR	3018	5	671	161	121	20221030T070135	20221030T160021	407	4	48	UE2020
381613	SP	65455	201	475	385	314	20221030T080001	20221030T170127	407	22	311	UE2015
201399	PA	4154	43	861	388	329	20221030T080001	20221030T170050	407	14	310	UE2020

urnas.shape[0]

471984

Aqui carregamos os arquivo com os votos.

path = "./csv_gerados/??.votos.csv"
filenames = glob.glob(path)
dfs = []
for filename in filenames:
    dfs.append(pd.read_csv(filename, encoding = "ISO-8859-1"))

votos = pd.concat(dfs, ignore_index=True).dropna()

votos.sample(10)

	UF	municipio	zona	secao	cargo	quantidadeVotos	partido	candidato
421772	MA	7528	75	79	presidente	112	22	22
969381	PR	74934	143	438	presidente	8	nulo	nulo
1099896	RJ	60011	25	978	presidente	230	22	22
1026573	PR	75353	177	368	presidente	6	branco	branco
573312	MG	51438	245	77	presidente	18	nulo	nulo
936499	PI	12190	97	446	presidente	87	22	22
555909	MG	50911	321	241	presidente	4	nulo	nulo
1638517	SP	71072	381	241	presidente	88	22	22
1017025	PR	75655	69	49	presidente	3	nulo	nulo
884959	PE	23817	41	65	presidente	214	13	13

votos.shape[0]

1851420

Precisamos uma tabela com 2 colunas com totais de votos para os candidatos Bolsonaro e Lula

votosBolsonaro = votos.query("candidato == '22'")
votosLula = votos.query("candidato == '13'")

votosBolsonaro = votosBolsonaro.rename(columns={"quantidadeVotos":"Bolsonaro"})
votosLula = votosLula.rename(columns={"quantidadeVotos":"Lula"})

Aqui juntamos os dados com votos dos 2 candidatos e o modelo de urna

votosPresidente = votosBolsonaro[['UF','municipio','zona','secao','Bolsonaro']].join(
    votosLula[['UF','municipio','zona','secao','Lula']]
        .set_index(['UF','municipio','zona','secao']), how="outer",
            on=['UF','municipio','zona','secao']).join(
                urnas[['UF','municipio','zona','secao','modelo']]
                    .set_index(['UF','municipio','zona','secao']), 
                        on=['UF','municipio','zona','secao']
            )

votosPresidente.head(10)

	UF	municipio	zona	secao	Bolsonaro	Lula	modelo
1	AC	1015	2	88	84.0	53.0	UE2009
5	AC	1015	2	75	129.0	47.0	UE2009
7	AC	1015	2	69	125.0	53.0	UE2009
11	AC	1015	2	95	133.0	34.0	UE2009
14	AC	1015	2	90	144.0	47.0	UE2009
18	AC	1015	2	73	138.0	45.0	UE2009
22	AC	1015	2	74	129.0	48.0	UE2009
24	AC	1015	2	67	164.0	53.0	UE2009
28	AC	1015	2	80	124.0	98.0	UE2009
32	AC	1015	2	66	162.0	56.0	UE2009

votosPresidente.shape

(471525, 7)

O foco aqui é validar a suspeita de 1 modelo das urnas ter comportamento na totalização de votos, portanto devemos começar analizando como foram distribuidas as urnas, pelo menos por estado, para diminuir a probabiliade de o fator demografico determinar a diferença.

urnasPorUF = pd.pivot_table(data=votosPresidente[['UF','modelo']], index=['UF'], columns=['modelo'], aggfunc=np.count_nonzero)
ax = urnasPorUF.plot.bar(stacked=True, figsize=(8,6))
ax.set_title('Tipo de Urna Por Estado', fontsize=20)

Text(0.5, 1.0, 'Tipo de Urna Por Estado')

Acima vemos a distribuição. Notem que haviam urnas que não encontramos o arquivo de log (SemLog).
O gráfico mostra que as urnas foram distribuidas em todos os estados. Em especial o modelo mais novo que representa uma boa quantidade das urnas para cada estado (em rosa)

Os graficos abaixo mostram a distribuição de votos apurados nas urnas UE2020 e o contraste para as não UE2020 (anteriores a 2020 que não foram auditadas no pleito de 2022)

data = votosPresidente.query("modelo == 'UE2020'")
plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)
plt.title("Urnas UE2020 - Brasil")
plt.xlabel("Bolsonaro")
plt.ylabel("Lula")
plt.show()

data = votosPresidente.query("modelo != 'UE2020'")
plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
plt.title("Urnas Não UE2020 - Brasil")
plt.xlabel("Bolsonaro")
plt.ylabel("Lula")
plt.show()

C:\Users\coelh\AppData\Local\Temp\ipykernel_36280\2442136202.py:2: UserWarning: No data for colormapping provided via 'c'. Parameters 'vmax' will be ignored
  plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)

Os gráficos já mostram acima que o comportamento é muito distinto. As urnas mais antigas deram mais vantagem ao cadidato Lula, aparentemente retirando votos do Bolsonaro.

No gráfico das 2020 aparece um grande numero de votos mais ao centro, enquanto as antigas parecem ter algum tipo de trava, o que gera uma linha geometrica, quase igual um triângulo escaleno.

Vamos ver os mesmos gráficos para cada tipo de urna.

* note que existem 3 populações maiores de urnas, as UE2010, UE2015 e UE2020. Os demais modelos são minoria, o que pode dificultar essa análise de um ponto de vista geometrico

for index, row in votosPresidente.filter(['modelo'], axis=1).drop_duplicates().sort_values("modelo").iterrows():
    data = votosPresidente.query("modelo == '"+row['modelo']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Votos Brasil com urna modelo "+row["modelo"])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

Revise os gráficos acima e note como é possível notar o tal triângulo escaleno em todos modelos, menos no modelo UE2020 onde, apesar de visualizarmos o triângulo, há um escape (massa da votos) mais distribuida ao centro.

Isso pode indicar algumas possiveis causas

Algum algorítmo foi criado para travar os votos, migrando de outro candidato para o candidato 13

Seria improvável os mesmos eleitores, nos mesmos locais, terem comportamento tão diferenciado

As urnas tem diferença no software, e o software foi adulterado

Porém o mais provável é que a dispersão seja por conta de urnas com mais eleitores (vamos analisar abaixo), o que seria natural

Aqui vamos explorar as urnas UE2020 e não UE2020 por cada estado

for index, row in votosPresidente.filter(['UF'], axis=1).drop_duplicates().iterrows():
    print(row['UF'])
    data = votosPresidente.query("modelo == 'UE2020' and UF == '"+row['UF']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Urnas UE2020 - UF: "+row['UF'])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

    data = votosPresidente.query("modelo != 'UE2020' and UF == '"+row['UF']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Urnas Não UE2020 - UF: "+row['UF'])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

AC

AL

AM

AP

BA

CE

DF

ES

GO

MA

MG

MS

MT

PA

PB

PE

PI

PR

RJ

RN

RO

RR

RS

SC

SE

SP

TO

ZZ

Você pode notar nos gráficos acima o achatamento, que fica sempre mais evidente nos estados onde o PT e Lula são mais populares. Nesses estados o achatamento do triângulo fica muito mais evidente.

Isso demonstra que, se há algorítimo, esse deve ter alguma lógica, não só aleatória, mas também inteligênte para realizar a migração de votos (fraude) levando em consideração a quantidade de votos de cada candidato adversário do número 13 (número do PT)

É muito provável que esse algoritmo estaria presente desde quando as urnas começaram a operar, o que pode ter favorecido o candidato a presidente do PT desde então.

A fraude só poderia então ser detectada porque as UE2020 não apresentaram o mesmo comportamento, ou o algoritmo falhou nessas urnas, criando a oportunidade de comparar os dados, ou não há fraude, e isso seria explicado somente pela existência de urnas com mais concentração de eleitores

Como será que isso pode refletir nos resultados?
Vamos analisar isso visualizando os resultados por UF e por tipo de urna

votosPresidente[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos Geral")
votosPresidente.query("modelo == 'UE2020'")[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos UE2020")
votosPresidente.query("modelo != 'UE2020'")[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos Não UE2020")

Text(0.5, 1.0, 'Votos Não UE2020')

votosPresidente[['UF','modelo','Lula','Bolsonaro']].groupby(['modelo']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos por Tipo de Urna")

Text(0.5, 1.0, 'Votos por Tipo de Urna')

Tecnicos universitários disseram que as distorções nos gráficos de disperção são devido às urnas UE2020 terem maior quantidade de eleitores.

Extraímos as quantidades de eleitores que compareceram por tipo de urna

comparecimento = urnas[['modelo','qtdComparecimento']].query("modelo != 'SemLog'")
comparecimentoGroup = comparecimento.groupby(['modelo']).mean().join(
    comparecimento.groupby(['modelo']).max(), lsuffix='_mean').join(
        comparecimento.groupby(['modelo']).min(), lsuffix='_max').rename(
            {"qtdComparecimento_mean":"média", "qtdComparecimento_max":"max","qtdComparecimento":"min"}, axis=1)
comparecimentoGroup

	média	max	min
modelo
UE2009	252.951269	605	1
UE2010	250.712626	582	7
UE2011	248.430713	485	9
UE2013	248.399319	437	13
UE2015	255.211165	588	8
UE2020	279.468146	508	7

ax = comparecimentoGroup.groupby(['modelo']).sum(numeric_only=True).plot.bar(color=['blue','red','green'], figsize=(8,6))
ax.set_title("Comparecimento por Tipo de Urna")

Text(0.5, 1.0, 'Comparecimento por Tipo de Urna')

Vamos criar uma tabela de municipios que tem urna 2020

municipiosUE2020 = votosPresidente.query("modelo == 'UE2020'")[['municipio']].drop_duplicates()

Agora vamos criar uma tabela de votos dos municipios onde haviam urnar UE2020

votosPresidenteMunicipiosComUE2020 = votosPresidente.join(municipiosUE2020.set_index('municipio'), on='municipio', lsuffix='old_', how='inner')

O gráfico abaixo é para verificar e validar o gráfico de dispersão, segundo o fato demográfico. Se for apenas fraude nas urnas antigas, então essas localidades provavelmente apresentariam resultado positivo para o Lula

votosPresidenteMunicipiosComUE2020[['UF','modelo','Lula','Bolsonaro']].groupby(['modelo']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos por Tipo de Urna Cidades com UE2020")

Text(0.5, 1.0, 'Votos por Tipo de Urna Cidades com UE2020')

Conforme o gráfico acima, fica demonstrado que, muito provavelmente, não há o tal comportamento distinto para as UE2020, já que nas localidades onde há urnas 2020 também o Bolsonaro ganha. Sendo assim, fico muito convencido que o gráfico de dispersão, apesar de aparentar algo curioso, foi somente um erro de interpretação, além do que, o que compentei na primeira apresentação (no youtube) sobre fatores demográficos desconhecidos, ficam assim comprovados.

Isso também foi apontado por especialistas de universidades que mapearam a localização das urnas.